矩阵关键概念:消元法、A=LU分解等(PartII)

接着PartI的内容,主要记录以下三个问题:

  • Gauss-Jordan 消元法
  • A=LU分解
  • 矩阵相关性质

1.矩阵的消元(Matrix Elimination)
A 变成 U 的过程。

线性代数中最重要的一部分莫过于在Ax=b中对x的求解。回想一下,在求解线性方程组(如:二元方程组),我们采用的解法就是先消掉一个元,解出一个未知数后,再回带求解另一个未知数。
矩阵消元的步骤有:
1) 产生一个上三角矩阵(upper trianglar system)
2)回代(back substitution)

详细的做法:
1)将系数矩阵和b结合起来构成增广矩阵。对増广矩阵进行变换行成上三角矩阵,此时从下往上依次有一个未知数,两个未知数,…
讨论消元成功和失败的系数矩阵A
若主元为0,暂时消元失效,通过行交换可选择新的主元;
若主元为0,且主元行下面行同列的元素均为0,则消元失败;
eg. 类似一个九维空间,消元失败即:更低维的空间存在于九维空间中。相当于八维空间中的向量的线性组合只能覆盖八维空间,那么对于九维空间b,则必然无解。
2)回代,即解出一个未知数,再带入求其他未知数,直至求出所有的解。

【重点-1】怎样把系数矩阵A变成上三角矩阵U?
初等矩阵(Elementary matrix)是桥梁。理解矩阵row picture是关键。

E21使A2,10
E32使A3,20

先简单回顾下row picture:
矩阵A的一行乘以矩阵B,得矩阵C的一行 =>行向量乘以矩阵;B中行的线性组合,组合系数为A的一行上的元素。
A的第一行乘以B得C的第一行;A的第二行乘以B得C的第二行;A的第三行乘以B得C的第三行。

举例理解:


130010001130284111=100224121

E21A

E21,使A2,10A2,1AA2133E212,1=32,2=13+

A3,2使E32

100012001100224121=100220125

E32(E21A)=U

A3,22+E323,2=23,3=1

E32(E21A)=U

由于矩阵乘法满足结合律,所以 (E32E21)A=U ,初等矩阵 E=E32E21 使得系数矩阵A变成上三角矩阵。

Gauss-Jordan Elimination
Ax=b 中由 A b 构成增广矩阵 [A,b] .消元的过程就是把 A 变成上三角矩阵的过程,整个变换中 b 跟着变换。


2.A=LU分解
A=LU ,一个下三角矩阵 Lower,matrix ,一个上三角矩阵 Upper,matrix

E21A=U

[1401][2817]=[2013]

->
A=L()U

[2817]=[1401][2013]

=[1401][2003]10121

总结, E32E31E21A=U , A=E121E131E121U=LU .对于 EA=U,E1L .如果 A=LU ,如果没有行交换, L 直接把 E 对应的乘子改变。


3.矩阵相关性质

顺便提及矩阵的置换Permutation
(1)改变矩阵的行
从row picture来考虑,需要给矩阵左乘

[0110][acbd]=[cadb]

(2)改变矩阵的列
从col picture来考虑,需要给矩阵右乘
[acbd][0110]=[bdac]

矩阵的逆Inverses(Squar matrix)
判断其存在逆矩阵的时候,把 A 变成 U ,进一步变成单位矩阵 I ;在此过程中单位矩阵 I 随着变化成 A1
(1)性质: A1A=I=AA1 ,两个矩阵的乘积为单位矩阵。
(2)矩阵A不存在逆矩阵的前提: A 是奇异矩阵。
具体地,A行列式为0;
或者 Ax 列的线性组合与b不在同一空间;
能找到使 Ax=0 的向量 x
[A,I]>[I,A1]
执行操作:就是通过各种初等变换把A变成上三角矩阵 U ,接着再把上三角矩阵变成 I .
举例:

A=[1237]


[12371001]>[10311201]>[10017231]

你可能感兴趣的:(线性代数)